基于生產水足跡的糧食作物種植結構優化研究
——以遼寧省鐵嶺市為例

(吉林大學 新能源與環境學院,吉林 長春 130021)

1 引言

我國是個人口大國,解決好吃飯問題始終是治國理政的頭等大事。2013年中央經濟工作會議將糧食安全問題列為年度經濟工作之首[1],同年中共中央農村工作會議提出要堅持以我為主,立足國內、確保產能、適度進口、科技支撐的國家糧食安全戰略[2]。因此,關于糧食生產的研究對保障我國糧食安全戰略的順利實施是十分必要的。

種糧離不開水,全國約70%的糧食產自需灌溉的土地。我國的水資源具有時空分布不均勻性,北方干旱地區人均可用水量僅為150m3/a·人[3,4],卻生產了超過我國1/2的小麥與1/3的玉米[5]，因此水資源量嚴重短缺是制約我國糧食安全的重要因素。緩解糧食種植所需水量與水資源不足現狀之間的矛盾,是保障我國糧食安全和緩解我國水資源短缺壓力的“雙重”關鍵因素。

為緩解兩者的矛盾,跨流域調水是通常被提到的決絕方案。但由于跨流域調水成本巨大,且對輸入水體與輸出水體的水生態環境有巨大影響,因此存在較大爭議[6-8]。種植結構優化研究被認為是能更好解決水資源短缺與作物種植生產之間矛盾的方法[9]。基于此,在水資源量最小目標下對農業種植結構進行優化成為主要的研究方向。如Zhang等在農業收益的基礎上考慮灌溉用水成本對種植結構的影響,建立單目標優化模型對山東省種植結構進行優化[10];武雪萍等以作物總產量、種植業總產值和單位面積耗水量為優化目標,采用灰色多目標規劃模型對洛陽市節水型種植結構優化進行了研究[11];張端梅等以吉林省扶余灌區種植業總收益和灌溉耗水量為目標函數,建立扶余灌區種植結構多目標非線性優化模型,對水資源壓力下的扶余灌區種植結構進行優化[12];張禮華等在新沂市高阿灌區進行了類似研究,將灌區收益與灌溉耗水量同時作為目標函數,構建種植結構的多目標非線性優化模型,并采用多目標妥協優化算法求解,獲得了不同年景下高阿灌區的最優種植結構[13];Raju等建立了以提高凈效益、作物增產和雇傭勞動力人數最多為目標的種植結構優化模型[14];Xevi等構建了以經效益最大、成本和地下水抽取量最小為目標的多目標線性規劃模型用以優化種植結構,并采取目標規劃法進行了模型求解[15];黃麗麗等以大連市作物產量最大、生態服務價值最大、化肥施用量最小作為規劃目標,采用兩相模糊多目標模型進行了計算,最終得到大連市作物種植的最優解[16]。

綜上所述,水資源量對種植結構的影響主要通過設置農業生產發展目標與水資源限制目標構建多目標模型進行優化,或以水資源量作為限制條件,使種植結構的調整在限定的水資源量之內[17,18]。盡管以水資源為優化目標或限制條件的研究與實踐廣泛應用于種植結構優化問題上,但仍有兩個主要問題制約著水資源壓力下的糧食安全問題:一是若區域水資源總量低于糧食安全所需用水量,則會出現無最優解的情況;二是此處的水資源限制或最小化條件都是種植業的直接用水量,而作物蒸發與水污染物排放對水資源的影響并未考慮其中。

針對以直接用水量為限制的糧食種植結構優化研究中存在的問題,有學者提出采用糧食種植的生產水足跡對糧食結構進行優化。首先,考慮水足跡的限制而不是直接用水的限制,可以為水資源短缺的國家或地區提供一個通過進口高耗水產品而不是消耗本地水資源來生產產品滿足自身水資源需求的機會[19]。有學者建議我國北方平原應減少輸出高耗水產品,轉而從我國南方進口高耗水產品,從而降低我國北方的水資源利用壓力[20]。其次,水足跡將種植業水資源消耗劃劃分為藍水——直接利用的地表水,或地下水——綠水即自然降雨、作物蒸散與入滲的水資源量,灰水即稀釋種植過程中排放污染物所需的水資源量[21,22]。因此,可詳細考察氣候、種植條件等對種植業所需水資源量的影響。在此前提下,可對種植結構進行針對性調整[23]。如陳敏等考慮了三江平原各類農產品種植的藍水足跡與綠水足跡,并以單位藍水足跡種植業收益最大化為目標函數,綠水足跡為限制條件,對三江平原農產品的種植結構進行優化[24];侯慶豐則以甘肅省農作物的水足跡為出發點,以最小化藍水足跡最大化綠水足跡為目標,對甘肅省的農作物種植結構進行了優化[25];范文波等以石河子灌區小麥、玉米、棉花的藍水足跡、綠水足跡與灰水足跡為出發點,考慮水資源貿易條件下,對石河子灌區的種植結構進行了優化,優化結果顯示其總的水足跡略有下降,藍水足跡下降較大,達到了構建節水型農業的優化目標[26];李亞婷在對寧夏中部干旱農業帶的農作物水足跡進行核算排序的基礎上,以單位水足跡農作物收益為優化目標,對寧夏中部干旱農業帶的農作物種植結構進行了優化,優化結果顯示在部分增加農作物收益的基礎上,減少了用水量0.31億m3,達到了很好的節水效果[27];李嘯虎等則以種植業水足跡最小、總收益最大為優化目標,對烏魯木齊市的種植結構進行了優化,結果顯示應通過調減高藍水消耗的糧油作物面積,增加低耗水的果蔬類作物面積,提高農肥利用率等措施來提高種植業用水效率、降低水污染,實施結構優化[28];Zhang等則從虛擬水的角度出發,以農業凈耗水量最小為優化目標,對我國的種植結構進行了優化,結果顯示種植結構調整后,農業用水節約達到47%以上[29]。

隨著虛擬水、水足跡在種植結構優化研究中的應用,雖然種植結構優化考慮的因素更加全面,但目前基于水足跡的種植結構優化研究仍存在一定的不足。由于種植的作物類型、灌溉技術、土壤類型和可用水量的差異,導致農業水消耗在時空分布上出現不均勻性。另外一個影響農業用水量的主要因素是氣候,通常是時間序列變量并影響作物的生長變化[30,31]。但在現有研究中,往往采用多年平均或單一年份的作物生產水足跡作為優化的基礎,而未考慮在時間尺度上的波動性與隨機性,將導致在某些氣候極端年份出現水資源或土地資源浪費。

基于此,本文提出了基于生產水足跡的糧食作物種植結構優化研究,一方面可保留自下而上法較精確，能表現區域氣候環境特點的優勢,同時使其可應用到較大的空間尺度;另一方面,通過多年生產水足跡計算,得到豐水年、平水年與枯水年之間的水足跡構成與變化范圍,應對不同的氣候條件進行糧食種植結構的優化,避免氣候條件等因素在時間尺度上的波動性與隨機性對優化結果造成擾動。

2 研究方法

本研究采用CROPWAT 8.0軟件計算了研究區水稻、玉米、小麥與高粱4種糧食作物多年的藍水足跡、綠水足跡與灰水足跡,見圖1。針對豐水期、平水期與枯水期設置差異性的優化目標,分別以藍水足跡、綠水足跡、灰水足跡為限值條件,對水稻、玉米、小麥與高粱的種植量進行了優化。

圖1 技術路線

在豐水年情況下,需要充分考慮利用水資源獲得糧食種植的最大效益,同時保證糧食產量,糧食產量應大于2016年基準年的糧食產量,優化模型的公式為:

s.t

x1+x2+x3≥T2016

bwf1×x1+bwf2×x2+bwf3×x3≤U

gwf1×x1+gwf2×x2+gwf3×x3≤GWF

(1)

式中,F表示單位水足跡的糧食種植收益(元/m3);a1、a2、a3分別為玉米、水稻、小麥種植的單位收益(元/t);x1、x2、x3分別為玉米、水稻、小麥的產量(t);wf1、wf2、wf3分別為在豐水年氣象條件下,玉米、水稻、小麥的多年平均生產水足跡(m3/t);T2016為該區域2016年糧食的總產量;bwf1、bwf2、bwf3分別為玉米、水稻、小麥多年平均單位藍水足跡(m3/t);U為該區域總的糧食種植耗水量(m3),gwf1、gwf2、gwf3分別為玉米、水稻、小麥多年平均單位灰水足跡;GWF為豐水年最小的灰水足跡(m3)。

在平水年的情況下,在有限的水資源情況下,保障糧食安全是首要的優化目標,應保障糧食總產量最大,且水足跡最小,優化模型的公式為:

s.t

x1+x2+x3≥T2016

bwf1×x1+bwf2×x2+bwf3×x3≤U

gwf1×x1+gwf2×x2+gwf3×x3≤GWF

(2)

式中,F為單位水足跡糧食產量(t/m3)。

在枯水年的情況下,水資源利用與水環境污染是保障水生態系統安全的主要控制因素,同時也是保障糧食生產可持續的主要影響因素。因此,在枯水年優化目標應為在保證藍水足跡與匯水足跡最小的情況下,糧食產量不低于2016的產量,優化模型的公式為:

MinF=bwf1×x1+bwf2×x2+bwf3×x3+gwf1×x1+gwf2×x2+gwf3×x3

s.t.

x1+x2+x3≥T2016

(3)

式中,F為藍水足跡與綠水足跡的總量(m3)。

3 研究區概況

鐵嶺市為遼寧省地級行政單位,地處遼寧省北部、松遼平原中段,北接吉林省四平市,西毗鄰內蒙古自治區(圖2),是我國著名的商品糧基地,玉米、水稻、小麥與高粱為鐵嶺種植的糧食作物,其中玉米與水稻的產量與種植面積較大(圖3)。

圖2 研究區概況

從圖3可見,1999—2014年鐵嶺市主要糧食作物的種植面積與產量情況,其中1999—2005年鐵嶺的小麥與高粱仍有部分種植。自2005年以后,由于單產、成本等原因,小麥與高粱的種植面積與產量銳減。從時間序列的角度上可見,鐵嶺市的主要糧食作物產量呈現一定的周期波動,2000—2009年呈現出先上升再下降的趨勢,同樣2010—2014年也出現了糧食產量的波動,對比糧食產量與種植面積可看到兩者具有一定的相關性。這說明在研究的時間范圍內,鐵嶺地區的糧食種植主要受到種植面積的影響。從產量與種植面積的對比上可見,在種植面積沒有較大變化的情況下,產量存在波動,這說明鐵嶺地區的糧食生產受到水資源的限制。

圖3 鐵嶺市1999—2014年主要糧食作物種植面積與產量

4 結果與討論

4.1 水足跡

根據圖4可見,依據CROPWAT8.0計算的鐵嶺市1999—2014年水稻、玉米、小麥、高粱的灌溉需水量與有效降水量情況可見,鐵嶺市的水稻種植需水量大于其他3種作物。其中,2001年與2002年鐵嶺市水稻種植的有效降水量與灌溉需水量合計達到1000mm以上,而其他3種作物有效降水量與灌溉需水量合計都沒有超過550mm。其中，高粱的有效降水量與灌溉需水量最小,多數年份低于400mm,說明高粱耐旱能力更好,其次為小麥與玉米。

圖4 鐵嶺市主要糧食作物種植灌溉需水量與有效降水量

從圖5可見,由于4種作物的單產差異較大,導致4種作物水足跡量與圖4給出的有效降水量與灌溉蓄水量存在較大差異。從水足跡總量上看,由于水稻單產量較大,水足跡相對較小;而小麥作物由于產量較低,水足跡量較大。相對而論,玉米的水足跡與高粱的水足跡較小。從3種水足跡上進行分析可見,鐵嶺市水稻的藍水足跡較大。1999—2014年鐵嶺市水稻的藍水足跡為600—1000m3/t;其次是水稻種植的綠水足跡,1999—2014年鐵嶺市水稻的綠水足跡為300—600m3/t;對比藍水足跡與綠水足跡,水稻種植的灰水足跡相對較小,1999—2014年鐵嶺市水稻種植的灰水足跡約為200—400m3/t。根據1999—2014年的平均數據可見,鐵嶺市藍水足跡占水稻種植水足跡的50%以上。與水稻相比,玉米的水足跡更小,最高值為2000年,水足跡為1500m3/t；最低值出現在2012年,水足跡為750m3/t。從水足跡結構上看,玉米與水稻仍具有較大差異,2000年的藍水足跡最大,為500m3/t;其次為2001年,藍水足跡為400m3/t,其他年份的藍水足跡低于300m3/t。相對而論,鐵嶺市的玉米種植綠水足跡最大,2009年最大,約為450m3/t;最小為2002年,綠水足跡約為250m3/t;灰水足跡在2000年與2001年最大,約為520m3/t,最小為2012年與2013年,約為180m3/t。小麥單產不及水稻與玉米,小麥的水足跡波動較大,其中最大值為2002年。由于產量較小,小麥的水足跡為5000m3/t,最小值出現在2011年,水足跡為750m3/t。從結構看,由于種植量波動,小麥種植的水足跡結構變化較大。2002年與2003年,灰水足跡占據比例較大,灰水足跡達到2000m3/t,占水足跡的40%;2003年的綠水足跡最大,為2000m3/t,占當年水足跡的40%。相對而論,高粱種植水足跡較小,最大值出現在2000年,達1550m3/t,最小值為2013年,水足跡為500m3/t,與玉米的水足跡結構類似,高粱的綠水足跡占比最大,占水足跡的60%以上,其次為灰水足跡,但由于化肥施用量的控制,灰水足跡呈現逐年下降的趨勢。

從圖5可見,由于4種作物的單產差異較大,導致4種作物水足跡量與圖4給出的有效降水量與灌溉蓄水量存在較大差異。從水足跡總量上看,由于水稻單產量較大,水足跡相對較小,而小麥作物由于產量較低,水足跡量較大。相對而論,玉米的水足跡與高粱的水足跡較小。從3種水足跡上進行分析可見,水稻的藍水足跡較大,1999—2014年水稻的藍水足跡為600—1000m3/t;其次是水稻種植的綠水足跡,1999—2014年水稻的綠水足跡為300—600m3/t;對比藍水足跡與綠水足跡,水稻種植的灰水足跡相對較小,1999—2014年水稻種植的灰水足跡約為200—400m3/t。根據1999—2014年的平均數據可見,藍水足跡占水稻種植水足跡的50%以上。與水稻相比較,玉米的水足跡更小,最高值為2000年,水足跡為1500m3/t,最低值出現在2012年,水足跡為750m3/t。從水足跡的結構上看,玉米與水稻仍具有較大的差異,2000年的藍水足跡最大,為500m3/t,其次為2001年,藍水足跡為400m3/t,其他年份的藍水足跡低于300m3/t。相對而論,玉米種植的綠水足跡最大,2009年最大,約為450m3/t,最小為2002年,綠水足跡約為250m3/t,灰水足跡在2000年與2001年最大,約為520m3/t,最小的為2012年與2013年,約為180m3/t。由于小麥單產不及水稻與玉米,小麥的水足跡波動較大,其中最大值為2002年,由于產量較小,水足跡為5000m3/t,最小值出現2011年,水足跡為750m3/t。從結構上看,由于種植量波動,小麥種植的水足跡結構變化較大, 2002年與2003年灰水足跡占據比例較大,灰水足跡達到2000m3/t,占水足跡的40%, 2003年的綠水足跡最大,為2000m3/t,占當年水足跡的40%。相對而論,高粱種植的水足跡較小,最大值出現為2000年,達到1550m3/t;最小值為2013年,水足跡為500m3/t;與玉米的水足跡結構類似,高粱的綠水足跡占比最大,占水足跡的60%以上,其次為灰水足跡,但由于化肥施用量的控制,灰水足跡呈現逐年下降趨勢。

圖5 鐵嶺市主要糧食作物種植水足跡

圖6 1999—2014年鐵嶺水足跡聚類分析結果

小麥(元/kg)水稻(元/kg)玉米(元/kg)高粱(元/kg)2.362.721.63

4.2 聚類分析

通過對1999—2014年鐵嶺市4種主要糧食作物的有效降雨量進行聚類分析,有效降雨量較低的年份為枯水年,有效降雨量較大的年份為豐水年,其他年份為平水年。根據圖6可見,鐵嶺地區4種農作物的有效降雨量呈現一定的波動性,在1999年與2000年為枯水年之后,平水年與豐水年呈現一定的周期性出現。其中,2003—2005年、2008年、2010年、2012—2013年為豐水年,其他年份為平水年,針對枯水年采用式(3),保證糧食總產量在2016年基礎上不下降,同時使用的藍水足跡與灰水足跡最小;而在豐水年,根據式(1),單位水足跡的糧食收益為最大。即在足夠的水資源供給量的情況下,保證糧食種植收益最大,其中小麥、水稻單位收益按照2016年我國春小麥與水稻的收購指導價,玉米、高粱分別按照2016年的市場收購價格計算(表1),平水年則考慮單位水足跡產出的糧食最大。

4.3 種植結構優化

根據部分水足跡計算的結果與式(1—3)計算了枯水年、豐水年與平水年的糧食種植結構,并與2016年的產量進行了對比(圖7)。從圖7可見,枯水年的水稻、小麥與高粱的產量為0萬t,主要生產玉米,玉米產量為325.64萬t,這主要是由于玉米作物產量較高,且藍水足跡較小。與2016年的產量進行對比可見,糧食產量是持平的,而在平水年,水稻產量為41.91萬t、小麥產量為11.96萬t、玉米產量為256.25萬t、高粱產量為15.49萬t,糧食總產量與2016年相比較持平。但由于小麥與高粱產量高于2016年,水稻、玉米產量低于2016年。由于小麥與高粱的藍水足跡與灰水足跡較小,因此能保證糧食種植的藍水足跡與綠水足跡低于平水年的平均水平。在豐水年,水稻產量為58.41萬t、小麥產量為0萬t、玉米產量為267.62萬t、高粱產量為36.05萬t,總產量為362.38萬t,高于2016年的產量。4種作物與2016年水平相比較,水稻與高粱產量高于2016年,玉米產量略低于2016年的水平,這主要是由于水稻與高粱的收購價格更高,更多種植水稻與高粱在經濟收益上更加有利。

圖7 鐵嶺糧食種植結構優化結果

5 結論

本文從我國糧食安全與水資源短缺的雙重矛盾出發,提出了從水足跡角度出發對糧食種植結構進行優化的方法,并以遼寧省鐵嶺市為例進行了驗證。研究結果顯示,在鐵嶺現有的糧食種植結構中,水稻作物的藍水足跡最大,即種植水稻需要更多的水資源進行灌溉;相對的玉米與高粱作物的綠水足跡更大,即玉米與高粱的種植更多依靠降水;4種作物的灰水足跡量相對較大,這說明鐵嶺的糧食種植化肥施用量較大,存在過度施肥的問題,應從施肥量的角度出發控制灰水足跡。在優化結果上,依據聚類分析結果,分為豐水年、枯水年與平水年,其中枯水年的糧食種植只包括玉米,主要是由于玉米高產量、低耗水的特性。在平水年,4種作物都有種植,小麥與高粱的產量高于2016年水平,主要是由于小麥、高粱的藍水足跡與綠水足跡較小。在豐水年,只種植水稻、玉米與高粱。由于水稻與玉米的單產較高,在豐水年種植,可保證糧食作物產量,同時水稻與高粱的經濟收益較好,能獲取最大的經濟效益。

由于本文僅從水足跡角度考慮了糧食種植結構優化的問題,而沒有考慮土地屬性的影響,因此結合土地屬性與水足跡雙重限制考慮糧食種植結構的優化是我們下一步擬開展的研究工作。